懂AI

transcriptionstream入门学习资料 - 自托管离线转录和说话人分离服务

RayRay
Transcription StreamOllamaMistralwhisper-diarizationMeilisearchGithub开源项目

transcriptionstream

transcriptionstream项目简介

transcriptionstream是一个功能全面的自托管离线转录和说话人分离服务。它提供了以下主要特性:

  • 通过SSH进行拖放式转录和说话人分离
  • 用于上传、审核和下载文件的Web界面
  • 使用Ollama和Mistral进行摘要生成
  • 使用Meilisearch进行全文搜索

该项目旨在简化转录工作流程,并提供强大的离线处理能力。

核心功能及资源

1. 安装和使用

这两个视频可以帮助您快速上手transcriptionstream的安装和使用。

2. Web界面

transcriptionstream提供了功能丰富的Web界面,支持:

  • 音频文件上传/下载
  • 任务完成提醒和交互式链接
  • HTML5网页播放器(带速度控制和转录高亮)
  • 时间同步的转录浏览/高亮/滚动

Web界面的访问地址为: http://dockerip:5006

ts-web界面

3. SSH上传和处理

除了Web界面,transcriptionstream还支持通过SSH上传文件进行处理:

  • SSH端口: 22222
  • 用户名: transcriptionstream
  • 密码: nomoresaastax
  • 使用方法:将音频文件放入transcribe或diarize文件夹,处理完成的文件会存储在transcribed文件夹中

SSH上传示例

4. 说话人分离示例

transcriptionstream能够准确地区分不同说话人,并为每个说话人生成单独的转录内容。

说话人分离示例

5. 摘要生成

使用Ollama和Mistral,transcriptionstream可以为转录内容生成摘要:

Mistral摘要示例

摘要生成的API端点: http://dockerip:11434

6. 全文搜索

transcriptionstream集成了Meilisearch,提供快速的全文搜索功能。

Meilisearch API端点: http://dockerip:7700

进阶配置和故障排除

  1. 在.env文件中更新变量
  2. 在ts-gpu Dockerfile中修改transcriptionstream用户的密码
  3. 在.env中更新Ollama API端点IP(如需使用不同端点)
  4. 在.env中为ts-web更新secret
  5. 使用.env选择初始构建中包含的模型
  6. 在ts-gpu/ts-summarize.py中修改提示文本以适应您的需求
  7. 如果遇到GPU内存不足的问题,可以调整whisper-diarization和whisperx的批处理大小

总结

transcriptionstream为需要进行大规模转录和说话人分离的用户提供了一个功能强大且易于使用的解决方案。通过本文介绍的资源,读者可以快速上手并充分利用这一工具的各项功能。随着项目的不断发展,我们期待看到更多强大的特性被添加进来。

欢迎访问transcriptionstream的GitHub仓库了解更多信息,并为这个开源项目做出贡献!

编辑推荐精选

TRAE编程

TRAE编程

AI辅助编程，代码自动修复

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
蛙蛙写作

蛙蛙写作

AI小说写作助手，一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

下拉加载更多